分析查询性能
在此页面上
查询的解释计划结果可能会因MongoDB版本而异。
cursor.explain("executionStats")和db.collection.explain("executionStats")方法提供有关查询性能的统计信息。 这些统计信息可用于衡量查询是否以及如何使用索引。 有关详细信息，请参阅db.collection.explain() 。
MongoDB Compass 提供了 Explain Plan 标签页，用于显示查询性能的统计数据。这些统计信息可用于衡量查询是否索引以及是如何使用该索引的。
评估查询性能
请考虑包含以下文档的集合 inventory：
{ "_id" : 1, "item" : "f1", type: "food", quantity: 500 } { "_id" : 2, "item" : "f2", type: "food", quantity: 100 } { "_id" : 3, "item" : "p1", type: "paper", quantity: 200 } { "_id" : 4, "item" : "p2", type: "paper", quantity: 150 } { "_id" : 5, "item" : "f3", type: "food", quantity: 300 } { "_id" : 6, "item" : "t1", type: "toys", quantity: 500 } { "_id" : 7, "item" : "a1", type: "apparel", quantity: 250 } { "_id" : 8, "item" : "a2", type: "apparel", quantity: 400 } { "_id" : 9, "item" : "t2", type: "toys", quantity: 50 } { "_id" : 10, "item" : "f4", type: "food", quantity: 75 }
这些文档在 MongoDB Compass 中显示如下：
无索引查询
以下查询检索 quantity 字段的值在 100 和 200（含）之间的文档：
db.inventory.find( { quantity: { $gte: 100, $lte: 200 } } )
该查询返回以下文档：
{ "_id" : 2, "item" : "f2", "type" : "food", "quantity" : 100 } { "_id" : 3, "item" : "p1", "type" : "paper", "quantity" : 200 } { "_id" : 4, "item" : "p2", "type" : "paper", "quantity" : 150 }
要查看选定的查询计划，请将 cursor.explain("executionStats") 游标方法链接到 find 命令的末尾：
db.inventory.find( { quantity: { $gte: 100, $lte: 200 } } ).explain("executionStats")
explain() 返回以下结果：
{ queryPlanner: { ... winningPlan: { queryPlan: { stage: 'COLLSCAN', ... } } }, executionStats: { executionSuccess: true, nReturned: 3, executionTimeMillis: 0, totalKeysExamined: 0, totalDocsExamined: 10, executionStages: { stage: 'COLLSCAN', ... }, ... }, ... }
queryPlanner.winningPlan.queryPlan.stage显示COLLSCAN，表示会进行集合扫描。集合扫描表明
mongod必须对整个集合的文档进行逐份扫描才能识别结果。此项操作通常成本高昂，可能会降低查询速度。executionStats.nReturned显示3，以指示获胜查询计划返回三个文档。executionStats.totalKeysExamined显示0，表示该查询未使用索引。executionStats.totalDocsExamined显示10，以表明 MongoDB 必须扫描 10 个文档（即集合中的所有文档），以查找三个匹配的文档。
以下查询检索 quantity 字段的值在 100 和 200（含）之间的文档：
将以下过滤器复制到 Compass 查询栏中，然后单击 Find：
{ quantity: { $gte: 100, $lte: 200 } }
该查询返回以下文档：
要查看所选的查询计划：
单击
test.inventory集合的Explain Plan标签页。单击 Explain（连接）。
MongoDB Compass 显示查询计划，如下所示：
注意
在本教程中，我们使用的数据集很小，因此，即使我们没有使用索引，Actual Query Execution Time 也会显示 0 秒。
在较大的数据集中，索引查询与非索引查询之间的查询执行时间差异会更加显著。
可视化树
Query Performance Summary 显示查询的执行统计信息：
Documents Returned 显示
3，以指示获胜查询计划返回三个文档。Index Keys Examined 显示
0表明该查询未使用索引。Documents Examined 显示
10表明 MongoDB 必须扫描 10 个文档（即集合中的所有文档），以查找三个匹配的文档。
在 Query Performance Summary 下方，MongoDB Compass 显示
COLLSCAN查询阶段，表示此查询使用了集合扫描。集合扫描表明
mongod必须对整个集合的文档进行逐份扫描才能识别结果。此项操作通常成本高昂，可能会降低查询速度。
Raw JSON
您还可以通过单击查询栏下方的 Raw JSON 以原始 JSON 格式查看解释详细信息：
匹配文档和已检查文档之间的数量差异可能表明，使用索引可能有助于提高查询效率。
带索引的查询
要支持对 quantity 字段的查询，请对 quantity 字段添加索引：
db.inventory.createIndex( { quantity: 1 } )
要查看查询计划的统计信息，请使用 explain() 方法：
db.inventory.find( { quantity: { $gte: 100, $lte: 200 } } ).explain("executionStats")
explain() 方法返回以下结果：
{ queryPlanner: { ... winningPlan: { queryPlan: { stage: 'FETCH', inputStage: { stage: 'IXSCAN', keyPattern: { quantity: 1 }, ... } } }, rejectedPlans: [ ] }, executionStats: { executionSuccess: true, nReturned: 3, executionTimeMillis: 0, totalKeysExamined: 3, totalDocsExamined: 3, executionStages: { ... }, ... }, ... }
queryPlanner.winningPlan.queryPlan.inputStage.stage显示IXSCAN，表示使用索引。executionStats.nReturned显示3，以指示获胜查询计划返回三个文档。executionStats.totalKeysExamined显示3，以表明 MongoDB 扫描了三个索引条目。检查的密钥数量与返回的文档数量相匹配，这意味着mongod只需检查索引键即可返回结果。mongod不必扫描所有文档，只需将三个匹配的文档拉取到内存中。这会大幅提升查询效率。executionStats.totalDocsExamined显示3，以表明 MongoDB 扫描了三个文档。
单击
test.inventory集合的Indexes标签页。单击 Create Index（连接）。
从 Select a field name 下拉列表中选择
quantity。从类型下拉列表中选择
1 (asc)。单击 Create（连接）。
注意
将索引名称字段留空会导致 MongoDB Compass 为索引创建默认名称。
现在，您可以在 Indexes 标签页中看到新创建的索引：
返回到 inventory 集合的 Explain Plan 标签页，然后重新运行上一步中的查询：
{ quantity: { $gte: 100, $lte: 200 } }
MongoDB Compass 显示查询计划，如下所示：
可视化树
Query Performance Summary 显示查询的执行统计信息：
在Query Performance Summary下方， MongoDB Compass显示查询阶段
FETCH和IXSCAN。IXSCAN表示mongod在执行FETCH阶段并检索文档之前使用索引来满足查询。
Raw JSON
您还可以通过单击查询栏下方的 Raw JSON 以原始 JSON 格式查看解释详细信息：
如果没有索引，此查询则会扫描整个 10 文档集合以返回 3 个匹配的文档。此查询还须扫描每个文档的全部，因而可能会将其拉取到内存中。此举会导致查询操作成本高昂且可能缓慢。
使用索引运行时，此查询已扫描 3 个索引条目和 3 个文档以返回 3 个匹配的文档，从而提升查询效率。